id:"swepub:oai:DiVA.org:uu-157026"
Sökning: id:"swepub:oai:DiVA.org:uu-157026" > Regularized image d...
- 1 av 1
- Föregående post
- Nästa post
- Till träfflistan
Regularized image denoising based on spectral gradient optimization
-
- Lukic, Tibor (författare)
- University of Novi Sad, Faculty of technical sciences
-
- Lindblad, Joakim (författare)
- Swedish University of Agricultural Sciences,Sveriges lantbruksuniversitet,Uppsala universitet,Centrum för bildanalys,Bildanalys och människa-datorinteraktion,Mathematical Institute, Serbian Academy of Sciences and Arts, Belgrade, Serbia,,Centre for Image Analysis,University of Novi Sad
-
- Sladoje, Natasa (författare)
- Uppsala universitet,Centrum för bildanalys,Bildanalys och människa-datorinteraktion,Mathematical Institute, Serbian Academy of Sciences and Arts, Belgrade, Serbia
- (creator_code:org_t)
- 2011-07-27
- 2011
- Engelska.
- Ingår i: Inverse Problems. - : IOP Publishing. - 0266-5611 .- 1361-6420. ; 27:8, s. 085010:1-17
- Tidskriftsartikel (refereegranskat)
Abstract
Ämnesord
Stäng
- Image restoration methods, such as denoising, deblurring, inpainting, etc, are often based on the minimization of an appropriately defined energy function. We consider energy functions for image denoising which combine a quadratic data-fidelity term and a regularization term, where the properties of the latter are determined by a used potential function. Many potential functions are suggested for different purposes in the literature. We compare the denoising performance achieved by ten different potential functions. Several methods for efficient minimization of regularized energy functions exist. Most are only applicable to particular choices of potential functions, however. To enable a comparison of all the observed potential functions, we propose to minimize the objective function using a spectral gradient approach; spectral gradient methods put very weak restrictions on the used potential function. We present and evaluate the performance of one spectral conjugate gradient and one cyclic spectral gradient algorithm, and conclude from experiments that both are well suited for the task. We compare the performance with three total variation-based state-of-the-art methods for image denoising. From the empirical evaluation, we conclude that denoising using the Huber potential (for images degraded by higher levels of noise; signal-to-noise ratio below 10 dB) and the Geman and McClure potential (for less noisy images), in combination with the spectral conjugate gradient minimization algorithm, shows the overall best performance.
Ämnesord
- NATURVETENSKAP -- Data- och informationsvetenskap -- Datorseende och robotik (hsv//swe)
- NATURAL SCIENCES -- Computer and Information Sciences -- Computer Vision and Robotics (hsv//eng)
- TEKNIK OCH TEKNOLOGIER -- Medicinteknik -- Medicinsk bildbehandling (hsv//swe)
- ENGINEERING AND TECHNOLOGY -- Medical Engineering -- Medical Image Processing (hsv//eng)
- NATURVETENSKAP -- Matematik -- Annan matematik (hsv//swe)
- NATURAL SCIENCES -- Mathematics -- Other Mathematics (hsv//eng)
- NATURVETENSKAP -- Fysik -- Atom- och molekylfysik och optik (hsv//swe)
- NATURAL SCIENCES -- Physical Sciences -- Atom and Molecular Physics and Optics (hsv//eng)
Nyckelord
- Image analysis
- Bildanalys
- Computerized Image Processing
- Datoriserad bildbehandling
Publikations- och innehållstyp
- ref (ämneskategori)
- art (ämneskategori)
- 1 av 1
- Föregående post
- Nästa post
- Till träfflistan
Hitta mer i SwePub
- Av författaren/redakt...
- Lukic, Tibor
- Lindblad, Joakim
- Sladoje, Natasa
- Om ämnet
-
- NATURVETENSKAP
- NATURVETENSKAP
- och Data och informa ...
- och Datorseende och ...
-
- TEKNIK OCH TEKNOLOGIER
- TEKNIK OCH TEKNO ...
- och Medicinteknik
- och Medicinsk bildbe ...
-
- NATURVETENSKAP
- NATURVETENSKAP
- och Matematik
- och Annan matematik
-
- NATURVETENSKAP
- NATURVETENSKAP
- och Fysik
- och Atom och molekyl ...
- Artiklar i publikationen
- Inverse Problems
- Av lärosätet
- Uppsala universitet
- Sveriges Lantbruksuniversitet
Sök utanför SwePub
- Sök vidare i:
- Google Book Search
- Google Scholar
Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.
- Copyright © LIBRIS - Nationella bibliotekssystem
- LIBRIS.kb.se
